python tensorflow l2 轴损失

Question

我正在使用 python 3 和 tensorflow 我有一个矩阵，每一行都是一个向量，我想得到一个距离矩阵 - 即计算机使用 l2 norm loss，矩阵中的每个值都是两个向量之间的距离

例如

Dij = l2_distance(M(i,:), Mj(j,:))

谢谢

编辑：这不是重复另一个问题是关于计算矩阵每一行的范数，我需要每一行与其他每一行之间的成对范数距离。

Answer 1

可以根据欧氏距离（L2 loss）的公式写一个TensorFlow运算

distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2))))

样本为

import tensorflow as tf

x1 = tf.constant([1, 2, 3], dtype=tf.float32)
x2 = tf.constant([4, 5, 6], dtype=tf.float32)

distance = tf.sqrt(tf.reduce_sum(tf.square(tf.subtract(x1, x2))))

with tf.Session() as sess:
  print(sess.run(distance))

正如@fuglede 所指出的，如果你想输出成对的距离，那么我们可以使用

tf.sqrt(tf.square(tf.subtract(x1, x2)))

Answer 2

展示了如何计算向量集合之间的成对差平方和。通过简单地 post - 与平方根组合，您可以得到所需的成对距离：

M = tf.constant([[0, 0], [2, 2], [5, 5]], dtype=tf.float64)
r = tf.reduce_sum(M*M, 1)
r = tf.reshape(r, [-1, 1])
D2 = r - 2*tf.matmul(M, tf.transpose(M)) + tf.transpose(r)
D = tf.sqrt(D2)

with tf.Session() as sess:
    print(sess.run(D))

# [[0.         2.82842712 7.07106781]
#  [2.82842712 0.         4.24264069]
#  [7.07106781 4.24264069 0.        ]]

python tensorflow l2 轴损失

python tensorflow l2 loss over axis

python

linear-algebra

python-3.x

tensorflow